吳恩達機器學習課程7-PCA和異常檢測

14 PCA

1. 第二種無監督學習,降維
   
   
2. 可視化數據

• 50維數據降低到2維進行可視乎
  
  
  

3. 降維方法: PCA(主成成分分析)，降維會忽視一些空間信息，但是會最大限度保留最主要的空間信息

• 找到超平面，使得投影距離最小
  
• 向量化，PCA解決多維問題方法
  
• 與線性回歸的區別
  

4. 主成成分分析:算法實現

• 數據歸一化
  
• 應用PCA
  
• 確定投影向量(數學領域求解), 如何使用代碼
  
  
  

15 異常檢測問題 anonaly detection

1. anonaly detextion

• anonaly detection example
  
• 識別異常用戶
  

2. Gaussian 分布(Normal distribution)
   
   
3. anonaly detection algorithm
   
   
   
4. 開發和評估異常檢測系統
   
   
5. 異常檢測和監督學習
   
   
6. 選擇/設計特征

• 使數據接近高斯分布
  
• 計算特征
  
  

7. 多變量的高斯分布

• 多變量高斯分布
  
• 協方差矩陣
  
  
  

8. 使用多元高斯分布進行異常檢測算法
   
   
   
   

參考

• 視頻課程